Compartilho experiências de liderança, arquitetura de software, automações, integrações e cultura técnica aberta. Tenho projetos em meu GitHub sobre SOLID, Node.js, Python, automação, front e back-end.
Se quiser trocar ideia, discutir tecnologia, carreira ou só bater um papo, fique à vontade!

contato@leofernandes.com.br Comunidade no Discord Meu GitHub

Sinta-se à vontade para conhecer meus repositórios, ver a evolução dos meus projetos e criar conexões. Na comunidade do Discord também promovemos mentorias, pair programming e desafios para crescer junto.

Todas as edições

Newsletter de Tech

🚀 Tech & Papers — 30/09/2026

quarta-feira, 30 de setembro de 20266 leitores

Selecionei as 20 notícias mais relevantes de tecnologia desta semana — curadas e resumidas com IA, direto ao ponto.

1

arXiv

Point2Part: Decomposição 3D Unificada com Particionamento Total

Método que resolve a decomposição de formas 3D garantindo partes não-sobrepostas que cobrem completamente o objeto original, diferente de abordagens anteriores que deixavam gaps ou sobreposições. O avanço está em considerar todas as partes desejadas conjuntamente em vez de isoladamente, fundamental para aplicações de nível de peça em robótica e CAD. Impacto prático direto em manufatura e processamento 3D.

Ler artigo completo

2

arXiv

Skill-Space Shooting: Melhoria Autônoma de Políticas Robóticas

Framework que permite robôs físicos melhorarem continuamente sem dependência de demonstração humana para cada correção, usando foundation models para compor comportamentos aprendidos. Resolve o gargalo crítico de escalabilidade em robótica ao possibilitar autoaprendizado através da composição de skills, reduzindo drasticamente custos de treinamento.

Ler artigo completo

3

arXiv

Imagine3D-LLM: Raciocínio 3D em Modelos Multimodais de Linguagem

Técnica que ensina MLLMs a imaginar cenas 3D coerentes antes de responder, integrando evidências multi-view em compreensão 3D unificada. Resolve a limitação crítica de MLLMs modernos que falham ao integrar múltiplas perspectivas, essencial para aplicações em robótica e visão computacional avançada.

Ler artigo completo

4

arXiv

PRISM: Geração de Vídeo Contrafactual para Loco-Manipulação Humanóide

Framework real-to-sim-to-real que amplifica poucos vídeos reais em datasets diversos e de alta qualidade para treinar robôs humanoides em tarefas complexas. Remove a barreira prática de coleta de dados em escala ao usar síntese de vídeos, acelerando significativamente o desenvolvimento de robôs generalistas.

Ler artigo completo

5

arXiv

Adversarial Training para Pixel Diffusion: Corrigindo Estatísticas Finas

Método que aplica aprendizado adversarial como correção pós-treinamento para modelos de difusão que geram RGB direto, eliminando subestimação sistemática de estatísticas em fina escala. Impacto prático em qualidade de geração de imagens sem modificar arquitetura, permitindo deployment flexível em modelos existentes.

Ler artigo completo

6

arXiv

STEPQuant: Quantização Seletiva de Estados em Atenção Linear

Descoberta de que impacto de erros em quantização de estados recorrentes depende de dimensões temporais e espaciais, possibilitando quantização eficiente sem degradação severa. Fundamental para resolver gargalo de memória em serving concorrente de modelos com atenção linear como Gated DeltaNet.

Ler artigo completo

7

arXiv

LeapQuant: Atenção Linear com Quantização Precisa de Estado Recorrente

Técnica para quantização eficiente de modelos híbridos como GDN e KDA, reduzindo custo de leitura e atualização de estados fixos sem degradação de qualidade. Resolve bloqueio crítico de inferência em modelos de contexto longo ao permitir quantização de estados mantendo acurácia.

Ler artigo completo

8

arXiv

ReWAM: Modelos Mundo-Ação com Representações Centradas em Features

Framework que revela que nem fidelidade de reconstrução nem features pré-treinadas isoladamente garantem aprendizado eficiente de política, propondo ReWAM com features DINO calibradas. Avanço em robótica ao otimizar o espaço de representação que conecta controle e predição.

Ler artigo completo

9

arXiv

PowerSim: Simulação Física Diferenciável com Power Diagrams

Método que acopla simulação dinâmica ao Material Point Method (MPM) usando power diagrams, permitindo otimização de geometria e aparência em conjunto. Integração de física diferenciável com representação 3D moderna, crucial para síntese 3D interativa e design generativo.

Ler artigo completo

10

arXiv

FracGen: Modelagem de Fratura com Geração de Vídeo Informada por Física

Modelo de geração de vídeo consciente de fratura que prediz dinâmicas de ruptura realistas a partir de imagem única com sinais físicos, treinado com framework FracSim que aumenta MPM com modelo de dano contínuo. Avanço significativo em simulação de deformação material para VFX, robótica e design.

Ler artigo completo

11

arXiv

LIFT: Transformers com Feedback de Informação Latente

Arquitetura inovadora que remove gargalo de fluxo de informação em transformers tradicionais permitindo feedback de camadas profundas para rasas durante pré-treinamento. Impacto potencial transformacional em eficiência de modelos de linguagem ao possibilitar melhor circulação de informação.

Ler artigo completo

12

arXiv

Thinking Before Thinking: Meta-Raciocínio Estruturado para Agentes

Framework de harness que torna escolhas de controle em execução agentica um processo explícito e estruturado, com workers e controller separados. Resolve problema crítico de escalabilidade em agentes de longa duração ao tornar meta-raciocínio um componente controlável e otimizável.

Ler artigo completo

13

arXiv

LIFT: Geração de Vídeo com Controle de Layout Futuro

Framework unificado para geração de imagem-a-vídeo com controle de câmera e Layout-In-Future, permitindo especificar não apenas movimento da câmera mas também composição de cenas futuras. Solução prática para geração de vídeo controlável, enderçando lacuna entre controle de câmera e composição de cena.

Ler artigo completo

14

Hacker News

OpenAI Dots: Agentes Sempre Ativos

Novo tipo de agente OpenAI que opera continuamente monitorando e agindo sobre informações, marcando mudança fundamental no paradigma de interação com IA. Potencial transformacional para automação end-to-end e assistência sempre-disponível em fluxos de trabalho reais.

Ler artigo completo

15

Hacker News

GPT-6.1 Sol: Inteligência Fronteiriça Acessível

Novo modelo OpenAI oferecendo capacidades próximas a Astra a um quinto do custo, representando democratização significativa de inteligência de fronteiriça. Impacto direto em acessibilidade de modelos avançados e mudança do mercado de LLMs.

Ler artigo completo

16

Google Research

IA Generativa para Quantificação de Incerteza em Previsão de Tempo

Abordagem Google Research usando IA generativa para quantificar incertezas em previsões meteorológicas, melhorando confiabilidade de forecasts críticos. Aplicação concreta de difusão para calibração de incerteza em problema real de alto impacto social.

Ler artigo completo

17

Google Research

AutoBNN: Previsão de Séries Temporais com Redes Bayesianas Composicionais

Framework Google que automatiza construção de redes neurais bayesianas compostas para séries temporais, combinando flexibilidade de deep learning com incerteza Bayesiana. Impacto prático em problemas ubíquos de forecasting com quantificação automática de confiança.

Ler artigo completo

18

Google Research

IA para Diagnóstico Assistido de Câncer de Pulmão

Sistema Google que melhora detecção precoce de câncer via análise automática de TC, reduzindo mortalidade através de diagnóstico mais rápido. Aplicação crítica de visão computacional que demonstra impacto direto em saúde pública.

Ler artigo completo

19

Google Research

IA para Expansão Global de Previsões de Inundação Confiáveis

Plataforma Google que democratiza acesso a forecasts de inundação em regiões sub-servidas, usando IA para cobrir áreas com infraestrutura limitada. Impacto humanitário direto ao proteger 1.5 bilhões de pessoas expostas a risco de inundação.

Ler artigo completo

20

Lilian Weng

Leis de Escala Cuidadosamente: Otimização de Alocação de Compute

Análise profunda de leis de escala em deep learning, explorando como alocar otimamente entre tamanho de modelo, dados e compute. Pesquisa fundamental que estabelece framework teórico para decisões críticas de treinamento de modelos fronteiriça.

Ler artigo completo

Gostou desta edição?

Receba as próximas toda semana direto no seu e-mail. Grátis, sem spam.

Ver todas as edições